资料摘要

正态分布1. 已知随机变量X服从正态分布N(,2),且若4,1,则P(2X2)0.9544,P(X)0.6826,P(5X6)( )A.0.1358 B.0.1359 C.0.2716 D.0

  • 资料类型:教学教案文档
  • 所属课文:小结
  • 支持正文预览,并提供同课文课件入口
浏览次数
66
下载次数
0
更新时间
2020-10-04 20:27:18
来源学校
学校:武汉市第十四中学

小结公开课教学设计模版

未知
2020-10-04 20:27:18
66
0
PDF / 未知页
未知字
配套课件
积分:1
第 1 页,共 1 页

小结公开课教学设计模版

未知

摘要:暂无摘要

关键词:小结公开课教学设计模版

正文

正态分布

1. 已知随机变量X服从正态分布N(,2),且若4,1,

则P(2X2)0.9544,P(X)0.6826,P(5X6)( )

A.0.1358 B.0.1359 C.0.2716 D.0.2718 【答案】B 【解析】

2. 已知随机变量X~N(2,2),下列概率与P(X1)相等的是( )

A.P(X3) B.P(X4) C.1P(X4) D.1P(X3)

【答案】A 【解析】

试题分析:由正态分布的对称性可知P(X1)与P(X3)相等,所以应选A. 3. 已知随机变量服从正态分布N(0,2).则“P(22)0.9”是“P(2)0.04”的

A.充分不必要条件 B.必要不充分条件 C.充要条件 D.既不充分也不必要条件

【答案】A 【解析】由随机变量服从正态分布N(0,2)可知正态密度曲线关于y轴对

- 1 -

称,P(22)0.9P(2)10.90.50.04所以是充分不必要条件.

24.已知随机变量X服从正态分布,其正态分布密度曲线为函数f(x)=1e2p-(x-2)2221的图象,若ò0f(x)dx=,则P(X>4)=( )

31111A. B. C. D.

6432【答案】A 【解析】

5.已知某批零件的长度误差(单位:毫米)服从正态分布N0,32,从中随机取一件,其长度误差落在区间3,6内的概率为( )

(附:若随机变量服从正态分布N,2,则P68.26%,P2295.44%)

A.4.56% B.13.59% C.27.18% D.31.74%

【答案】B 【解析】

试题分析:由题意1P(3<<3)68.26%,(P6<<6)95.44%,P(3<<6)(95.44%68.26%)13.59%.2

故选B.

6. 已知随机变量X~N(3,22),若X=2η+3,则D(η)等于 A.0

B.1

C.2

D.4 【答案】

B 【解析】

由X=2η+3,得D(X)=4D(η),而D(X)=22=4,∴D(η)=1. 7.在如图所示的正方形中随机投掷10000个点,则落入阴影部分(曲线C为正态

- 2 -

分布N(0,1)的密度曲线)的点的个数的估计值为( )

A.2386 B.2718 C.3413 D.4772 附:若XN(,2),则P(X)0.6826,P(2X2)0.9544

【答案】C. 【解析】

1P(1x1)0.34,故选C. 28. 设随即变量服从正态分布N(0,1),P(1)p,则P(10)等于

( )

试题分析:根据正态分布的性质,P(0x1)A.11p B.1p C.12p D.p

22【答案】D 【解析】正态曲线关于直线x0对称,P1P1p,因此P10111P1112pp. 2229. 如果随机变量X~N(2,22),若P(X

) A.0.2 B.0.4 C.0.6 D.0.8 【答案】D 10. 已知随机变量x服从正态分布N(μ,σ2),且P(μ-2σ

) A.0.1358 B.0.1359 C.0.2716 D.0.2718 【答案】B

- 3 -

【解析】由题知x服从正态分布N(4,1),作出相应的正态曲线,如图,依题意P(2

211.已知随机变量ξ服从正态分布N(0,σ),P(ξ>2)=0.023,则P(-2≤ξ≤2)=(

) A.0.954

C.0.488

【答案】

A 【解析】P(ξ>2)=0.023,由正态分布曲线的性质可知,P(-2≤ξ≤2)=1-2×0.023=0.954. 12. 正态总体N(1,9)在区间(2,3)和(-1,0)上取值的概率分别为m,n,则(

) A.m>n C.m=n 【答案】

C 【解析】

∵区间(2,3)和(-1,0)恰好关于μ=1对称,从而正态总体N(1,9)在两区间上取值的概率相等,即m=n. 13. 已知随机变量X服从正态分布N(0,2)且P(2≤X≤0)0.4则P(X2)

.

B.0.977

D.0.477 B.m<n D.不确定

【答案】0.1

- 4 -

14. 随机变量ξ服从正态分布N(1,σ2),已知P(ξ<0)=0.3,则P(ξ<2)=________. 【答案】0.7 【解析】由题意可知,正态分布的图象关于直线x=1对称,所以P(ξ>2)=P(ξ<0)=0.3,P(ξ<2)=1-0.3=0.7. 15. 如图,两个正态分布曲线图:1为1,(x),2为22(x),则1 2,1 12(填大于,小于)

【答案】<,>.

【解析】由正态密度曲线图象的特征知.

三、解答题 16. 某市高二学生进行了体能测试,经分析,他们的体能成绩X服从正态分布N(μ,σ2),已知P(X≤75)=0.5,P(X≥95)=0.1 (Ⅰ)求P(75<X<95);

(Ⅱ)现从该市高二学生中随机抽取3位同学,记抽到的3位同学中体能测试成绩不超过75分的人数为ξ,求ξ的分布列和数学期望.

【答案】见解析

P(ξ=3)==,

- 5 -

∴ξ的分布列为:

ξ

P E(ξ)= 0

1

=.

2

3

17. 【2016广东佛山模拟】未来制造业对零件的精度要求越来越高.3D打印通常是采用数字技术材料打印机来实现的,常在模具制造、工业设计等领域被用于制造模型,后逐渐用于一些产品的直接制造,已经有使用这种技术打印而成的零部件.该技术应用十分广泛,可以预计在未来会有广阔的发展空间.某制造企业向A高校3D打印实验团队租用一台3D打印设备,用于打印一批对内径有较高精度要求的零件.该团队在实验室打印出了一批这样的零件,从中随机抽取10件零件,度量其内径的茎叶图如图所示(单位:μm).

(I)计算平均值μ与标准差σ

(Ⅱ)假设这台3D打印设备打印出品的零件内径Z服从正态分布N(μ,σ);该团队到工厂安装调试后,试打了5个零件.度量其内径分别为(单位:μm):86、95、103、109、118,试问此打印设备是否需要进一步调试,为什么?

参考数据:P(μ﹣2σ<Z<μ+2σ)=0.9544,P(μ﹣3σ<Z<μ+3σ)=0.9974,0.95443=0.87,0.99744=0.99,0.04562=0.002.

【答案】(Ⅰ)105μm,σ=6;(Ⅱ)需要进一步调试,理由见解析

【解析】

18.为评估设备M生产某种零件的性能,从设备M生产零件的流水线上随机抽取100件零件最为样本,测量其直径后,整理得到下表:

- 6 -

经计算,样本的平均值65,标准差2.2,以频率值作为概率的估计值. (1)为评判一台设备的性能,从该设备加工的零点中任意抽取一件,记其直径为X,并根据以下不等式进行评判(P表示相应事件的频率);

①P(X)0.6826;②P(2X2)0.9544;

③P(3X3)0.9974.评判规则为:若同时满足上述三个不等式,则设备等级为甲;仅满足其中两个,则等级为乙,若仅满足其中一个,则等级为丙;若全部不满足,则等级为丁,试判断设备M的性能等级. (2)将直径小于等于2或直径大于2的零件认为是次品

(ⅰ)从设备M的生产流水线上随意抽取2件零件,计算其中次品个数Y的数学期望E(Y);

(ⅱ)从样本中随意抽取2件零件,计算其中次品个数Z的数学期望E(Z). 【答案】(1)性能等级为丙;(2)(i)0.12;(ii)0.12. 【解析】

- 7 -

第 1 页,共 1 页

文档信息

  • 格式: PDF
  • 页数: 未知页
  • 字数: 未知
  • 上传时间: 2020-10-04 20:27:18
  • 下载次数: 0
  • 浏览次数: 66
  • 积分: 1
  • 收藏: 0

作者信息

教师头像

5ygggwenku_147632

来自:学校:武汉市第十四中学

下载提示

下载文档后,您可以获得:

  • 完整无水印文档
  • 高清阅读体验
  • 随时保存查看
  • 支持打印下载

关于本教案的常见问题

Q:小结公开课教学设计模版是什么类型的资料?

A:这是一份教学教案文档,可用于备课、课堂讲解与课后复习,支持在线预览正文内容。

Q:这份教案对应哪篇课文?

A:对应课文《小结》,可从面包屑进入课文目录查看同课其他资料。

Q:如何找到配套课件?

A:页面提供「配套课件/同课文课件」入口;也可进入课文详情页同时查看教案与课件列表。